论文摘要
本文针对高炉炼铁过程多元铁水质量建模提出了一种新的鲁棒建模回归预测算法。本文利用速度快、泛化性能强的随机权神经网络进行数据驱动建模,首先针对高炉炼铁过程数据中存在的多重共线性问题,利用偏最小二乘回归算法对随机权神经网络的输出权值进行计算。其次,实际的高炉冶炼数据中在输入样本和输出样本方向都广泛存在离群点,同时考虑到不同方向数据之间的离群点的关系,利用鲁棒估计中的Schweppe型广义M估计提高模型的稳健性。最后,对本文所提到的GM-PLS-RVFLNs鲁棒建模算法在真实的高炉数据中进行数据试验,结果表明所提方法在利用异常数据建模中具有更强的鲁棒性能和更高的预测准确率。
论文目录
文章来源
类型: 国际会议
作者: 闻超垚,周平
关键词: 随机权神经网络,偏最小二乘,高炉,多元铁水质量,广义估计估计,非线性迭代偏最小二乘
来源: 第30届中国过程控制会议（CPCC 2019） 2019-07-31
年度: 2019
分类: 基础科学,工程科技Ⅰ辑,信息科技
专业: 数学,冶金工业,自动化技术
单位: 东北大学流程工业综合自动化国家重点实验室
分类号: O212.1;TP183;TF53
页码: 120
总页数: 1
文件大小: 548k
下载量: 26
相关论文文献
标签：随机权神经网络论文; 偏最小二乘论文; 高炉论文; 多元铁水质量论文; 广义估计估计论文; 非线性迭代偏最小二乘论文;